电视节目热度的预测方法和装置制造方法及图纸

本发明专利技术提供了一种电视节目热度的预测方法和装置，该方法包括：采集预测前一时间段内的电视节目热度的原始时间序列数据；将原始时间序列数据进行一阶累加处理，以获得处理后的时间序列数据；其中，处理后的时间序列数据呈指数上升趋势；根据处理后的时间序列数据和灰色预测模型求解电视节目热度的预测值；输出电视节目热度预测值。由于依赖的历史数据只有电视节目热点的原始时间序列数据，所以计算量较小，并且灰色预测模型适用于数据量少，部分信息未知的不确定系统的研究，因此该方法不需要大量的历史时间序列数据，能够获得较好的预测结果。

The method and device for predicting the heat of TV program

The present invention provides a method and device for predicting the heat of a TV program. The method includes: collecting the original time series data of the TV program heat in the previous period of time, adding the original time sequence data to the first order processing to obtain the processed time series data, in which the processed time series is processed. The data show an exponential trend; the predicted value of TV program heat is solved according to the time series data and the grey prediction model after processing; the output of TV program heat is predicted. Because the historical data of dependence is only the original time series data of the TV program hot spots, the calculation is small, and the grey prediction model is suitable for the research of the uncertain system with little data and some information unknown. Therefore, this method does not need a large number of historical time series data, and can obtain better prediction results.

【技术实现步骤摘要】
电视节目热度的预测方法和装置
本专利技术实施例涉及电视
，尤其涉及一种电视节目热度的预测方法和装置。
技术介绍
随着电视技术的不断发展，电视节目能够以电视频道直播节目、点播节目等方式为人们呈现节目内容。在进行电视频道直播节目过程中，从广告的投放中获得收益，所以不同电视频道直播节目的收视热度直接影响了广告投放量及广告收益的大小。而不同点播节目的热度也会为影响到节目的编排。所以电视节目热度成为衡量一个频道整体质量或节目质量的重要指标，因此对电视节目热度的预测是至关重要的。现有的对电视节目热度的预测方法主要有基于动态神经网络时间序列模型的预测方法和基于多元线性回归模型的预测方法。基于动态神经网络时间序列模型的预测方法，该模型由输入层、隐藏层、输入延时层与输出层构成，在应用前要设定好输入层与输出层之间的延时数，隐藏层的神经元个数。基于多元线性回归模型的预测方法是利用数理统计中的回归分析，来确定两种或多种变量之间相互依赖的定量关系的统计分析方法。基于动态神经网络时间序列模型的预测方法，神经网络过于繁琐，依赖的参数过多，导致计算量较大。而基于多元线性回归模型的预测方法由于缺乏收视用户行为的详细信息，并且其预测精度依赖于模型特征提取的好坏程度，该方法无法分析各个影响因素动态的关联程度，使其预测精度并不高。
技术实现思路
本专利技术实施例提供一种电视节目热度的预测方法和装置，该方法解决了现有技术中的预测方法依赖参数过多，计算量较大，预测精度不高的技术问题。本专利技术实施例提供一种电视节目热度的预测方法，包括：采集预测前一时间段内的电视节目热度的原始时间序列数据；将所述原始时间序列数据进行一阶累加处理，以获得处理后的时间序列数据；其中，所述处理后的时间序列数据呈指数上升趋势；根据处理后的时间序列数据和灰色预测模型求解电视节目热度的预测值；输出所述电视节目热度预测值。本专利技术实施例提供一种电视节目热度的预测装置，包括：采集模块，用于采集预测前一时间段内的电视节目热度的原始时间序列数据；处理模块，用于将所述原始时间序列数据进行一阶累加处理，以获得处理后的时间序列数据；其中，所述处理后的时间序列数据呈指数上升趋势；求解模块，用于根据处理后的时间序列数据和灰色预测模型求解电视节目热度的预测值；输出模块，用于输出所述电视节目热度预测值。本专利技术实施例提供一种电视节目热度的预测方法和装置，通过采集预测前一时间段内的电视节目热度的原始时间序列数据；将原始时间序列数据进行一阶累加处理，以获得处理后的时间序列数据；其中，处理后的时间序列数据呈指数上升趋势；根据处理后的时间序列数据和灰色预测模型求解电视节目热度的预测值；输出电视节目热度预测值。由于依赖的历史数据只有电视节目热点的原始时间序列数据，所以计算量较小，并且灰色预测模型适用于数据量少，部分信息未知的不确定系统的研究，因此该方法不需要大量的历史时间序列数据，能够获得较好的预测结果。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术电视节目热度的预测方法实施例一的流程图；图2为本专利技术电视节目热度的预测方法实施例二的流程图；图3为本专利技术实施例二中的原始时间序列数据及处理后的时间序列数据形成的曲线图；图4为本专利技术实施例二中的预测值与实际值的对比结果图；图5为本专利技术电视节目热度的预测装置实施例一的结构示意图；图6为本专利技术电视节目热度的预测装置实施例二的结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。为了清楚起见，首先说明本专利技术使用的特定词或短语的定义。电视节目：为电视频道直播节目或者点播节目。电视节目热度包括：电视频道直播节目热度和点播节目热度。电视频道直播节目热度：某一电视频道在某一时间段内的收视率或收视次数。某一电视频道在某一时间段内的收视率指某一个频道的某一时间段的收视次数除以所有频道该时间段内的收视次数。点播节目热度：用户在某一时间段内点播某一节目的点播率或点播次数。某一节目在某一时间段内的点播率是指某一节目的某一时间段的点播次数除以所有节目在该时间段内的点播次数。灰色预测模型：利用GM模型预测单时间序列问题，称为灰色预测模型。其中，GM模型(GreyDynamicModel,全称：灰色模型)是通过线性常微分方程拟合时间序列问题，将模糊的复杂系统转化为发展变化的动态模型。灰色预测模型可利用少量的原始信息进行预测，不仅预测精度高，而且适用于短期、中期和长期的时间序列问题。GM模型可以写作GM(m,n)，其中m代表该灰色模型的阶次，n代表模型包含未知变量的个数。单序列一阶线性动态模型，即GM(1,1)模型是灰色模型中最常用的一种模型，该模型不仅计算简单方便，而且往往具有较高的预测精度，本专利技术中采用的灰色预测模型是基于GM(1,1)模型的灰色预测模型。图1为本专利技术电视节目热度的预测方法实施例一的流程图，如图1所示，本实施例的执行主体为电视节目热度的预测装置，该电视节目热度的预测装置可以为计算机或服务器等。则本实施例提供的电视节目热度的预测方法包括以下几个步骤。步骤101，采集预测前一时间段内的电视节目热度的原始时间序列数据。本实施例中，电视节目热度的原始时间序列数据可以为电视频道直播节目热度或点播节目热度的原始时间序列数据。如可以为电视频道直播节目的收视次数或收视率组成的原始时间序列数据、点播节目的点播次数或点播率组成的原始时间序列数据。其中，预测前一时间段为预测前预设时间内的与预测时间段相同时间段，如预测的电视节目热度为周日的上午9：00-11:00的北京卫视的收视次数，则采集预测前一时间段内的电视节目热度的原始时间序列数据可以为周一至周六的上午9：00-11:00的北京卫视的收视次数组成的原始时间序列数据。其中，每天的上午9：00-11:00的北京卫视的收视次数为原始时间序列的一个数据。本实施例中，若同时对多个电视节目热度进行预测，则同时采集预测前一时间段内的多个电视节目热度的原始时间序列数据。本实施例中，需要说明的是：采集的预测前一时间段内的电视节目热度的原始时间序本文档来自技高网...

【技术保护点】
一种电视节目热度的预测方法，其特征在于，包括：采集预测前一时间段内的电视节目热度的原始时间序列数据；将所述原始时间序列数据进行一阶累加处理，以获得处理后的时间序列数据；其中，所述处理后的时间序列数据呈指数上升趋势；根据处理后的时间序列数据和灰色预测模型求解电视节目热度的预测值；输出所述电视节目热度预测值。

【技术特征摘要】
1.一种电视节目热度的预测方法，其特征在于，包括：采集预测前一时间段内的电视节目热度的原始时间序列数据；将所述原始时间序列数据进行一阶累加处理，以获得处理后的时间序列数据；其中，所述处理后的时间序列数据呈指数上升趋势；根据处理后的时间序列数据和灰色预测模型求解电视节目热度的预测值；输出所述电视节目热度预测值。2.根据权利要求1所述的方法，其特征在于，所述根据处理后的时间序列数据和灰色预测模型求解电视节目热度的预测值，具体包括：建立关于所述处理后的时间序列数据的一阶线性微分的白化方程；采用最小二乘方法求解所述白化方程，以获得电视节目热度预测值。3.根据权利要求2所述的方法，其特征在于，所述采用最小二乘方法求解所述白化方程，以获得电视节目热度预测值，具体包括：采用最小二乘方法求解所述白化方程，以获得处理后的电视节目热度预测值；根据处理后的电视节目预测值，计算原始电视节目热度预测值。4.根据权利要求1-3中任一项所述的方法，其特征在于，所述电视节目热度为电视频道直播节目热度或点播节...

【专利技术属性】
技术研发人员：万倩，赵明，朱佩江，李培琳，牛妍华，赵翠，
申请(专利权)人：国家新闻出版广电总局广播科学研究院，
类型：发明
国别省市：北京,11